# Criando nova variável
dados |>
dplyr::mutate(nova_variável = função(variável_existente))
# Alterando variável já existente
dados |>
dplyr::mutate(variável_existente = função(variável_existente))Aula 3 - Modificando Variáveis
0.1
Na aula de hoje uma das funções mais importantes durante o processo de processamento de dados, o mutate
Ele tem como objetivo criar novas colunas ou alterar colunas já existentes
Possui a seguinte sintaxe
1 Exemplos
1.1 Ações - GAFA
tsibbledata::gafa_stock |>
dplyr::filter(Symbol == 'AAPL') |>
autoplot(Volume)
tsibbledata::gafa_stock |>
janitor::clean_names() |>
dplyr::filter(symbol == 'AAPL') |>
dplyr::mutate(log_volume = 1/(volume)) |>
autoplot(log_volume)
tsibbledata::gafa_stock |>
as_tibble() |>
janitor::clean_names() |>
dplyr::mutate(date = tsibble::yearweek(date))# A tibble: 5,032 x 8
symbol date open high low close adj_close volume
<chr> <week> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 AAPL 2014 W01 79.4 79.6 78.9 79.0 67.0 58671200
2 AAPL 2014 W01 79.0 79.1 77.2 77.3 65.5 98116900
3 AAPL 2014 W02 76.8 78.1 76.2 77.7 65.9 103152700
4 AAPL 2014 W02 77.8 78.0 76.8 77.1 65.4 79302300
5 AAPL 2014 W02 77.0 77.9 77.0 77.6 65.8 64632400
6 AAPL 2014 W02 78.1 78.1 76.5 76.6 65.0 69787200
7 AAPL 2014 W02 77.1 77.3 75.9 76.1 64.5 76244000
8 AAPL 2014 W03 75.7 77.5 75.7 76.5 64.9 94623200
9 AAPL 2014 W03 76.9 78.1 76.8 78.1 66.1 83140400
10 AAPL 2014 W03 79.1 80.0 78.8 79.6 67.5 97909700
# i 5,022 more rows## Pronto para um group_bytsibbledata::gafa_stock |>
as_tibble() |>
janitor::clean_names() |>
dplyr::mutate(ano = lubridate::epiyear(date),
mes = lubridate::month(date)) |>
dplyr::filter(ano == 2014,
symbol == 'AAPL')# A tibble: 253 x 10
symbol date open high low close adj_close volume ano mes
<chr> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 AAPL 2014-01-02 79.4 79.6 78.9 79.0 67.0 58671200 2014 1
2 AAPL 2014-01-03 79.0 79.1 77.2 77.3 65.5 98116900 2014 1
3 AAPL 2014-01-06 76.8 78.1 76.2 77.7 65.9 103152700 2014 1
4 AAPL 2014-01-07 77.8 78.0 76.8 77.1 65.4 79302300 2014 1
5 AAPL 2014-01-08 77.0 77.9 77.0 77.6 65.8 64632400 2014 1
6 AAPL 2014-01-09 78.1 78.1 76.5 76.6 65.0 69787200 2014 1
7 AAPL 2014-01-10 77.1 77.3 75.9 76.1 64.5 76244000 2014 1
8 AAPL 2014-01-13 75.7 77.5 75.7 76.5 64.9 94623200 2014 1
9 AAPL 2014-01-14 76.9 78.1 76.8 78.1 66.1 83140400 2014 1
10 AAPL 2014-01-15 79.1 80.0 78.8 79.6 67.5 97909700 2014 1
# i 243 more rows2 Funções Auxiliares
2.1 dplyr::case_when()
A função case_when funciona como um if-else, porém sendo uma função vetorizada
Ela é chamada da seguinte forma
dados |>
dplyr::mutate(
nova_variável =
dplyr::case_when(
valor_variavel % condição_1 ~ valor_a_receber_1,
valor_variavel % condição_2 ~ valor_a_receber_1,
...,
valor_variavel % condição_n ~ valor_a_receber_n
)
)tsibbledata::gafa_stock |>
tibble::as_tibble() |>
janitor::clean_names() |>
dplyr::filter(symbol == 'GOOG') |>
dplyr::mutate(vol_pad = volume |> scale()) |>
dplyr::mutate(
cat_vol =
case_when(vol_pad <= -1 ~ 'baixo',
vol_pad > -1 & vol_pad <=1 ~ 'medio',
vol_pad > 1 ~ 'alto'
)
)# A tibble: 1,258 x 10
symbol date open high low close adj_close volume vol_pad[,1]
<chr> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 GOOG 2014-01-02 554. 555. 551. 553. 553. 3666400 1.56
2 GOOG 2014-01-03 554. 555. 549. 549. 549. 3355000 1.28
3 GOOG 2014-01-06 553. 556. 550. 555. 555. 3561600 1.46
4 GOOG 2014-01-07 559. 566. 557. 566. 566. 5138400 2.87
5 GOOG 2014-01-08 569. 570. 563. 567. 567. 4514100 2.31
6 GOOG 2014-01-09 568. 568. 559. 561. 561. 4196000 2.03
7 GOOG 2014-01-10 566. 566. 557. 561. 561. 4314700 2.13
8 GOOG 2014-01-13 560. 570. 555. 558. 558. 4869100 2.63
9 GOOG 2014-01-14 565. 572. 560. 571. 571. 4997400 2.74
10 GOOG 2014-01-15 573. 574. 568. 571. 571. 3925700 1.79
# i 1,248 more rows
# i 1 more variable: cat_vol <chr>2.2 dplyr::across()
Aplicar uma função em 2 ou mais colunas em uma ‘tacada só’
Ela é chamada da seguinte forma
dados |>
dplyr::mutate(
dplyr::across(
c(var1, var2),
~função(.)
)
)
dados |>
dplyr::mutate(
dplyr::across(
condição,
~função(.)
)
)3 SRAG - Datasus
Código Município, Código UF, Idade, comorbidade, teve SRAGS, óbito
df_srag = readr::read_csv2(here::here('./conjunto_de_dados/srag_2023.csv')) i Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.Warning: One or more parsing issues, call `problems()` on your data frame for details,
e.g.:
dat <- vroom(...)
problems(dat)Rows: 226763 Columns: 173-- Column specification --------------------------------------------------------
Delimiter: ";"
chr (61): DT_NOTIFIC, DT_SIN_PRI, SG_UF_NOT, ID_REGIONA, ID_MUNICIP, ID_UNID...
dbl (98): SEM_NOT, SEM_PRI, CO_REGIONA, CO_MUN_NOT, CO_UNI_NOT, NU_IDADE_N, ...
lgl (14): SURTO_SG, FLUASU_OUT, FLUBLI_OUT, PCR_PARA2, PCR_PARA4, PAIS_VGM, ...
i Use `spec()` to retrieve the full column specification for this data.
i Specify the column types or set `show_col_types = FALSE` to quiet this message.df_srag = df_srag |>
select(CO_MUN_NOT, SG_UF, DT_NOTIFIC, CS_SEXO, NU_IDADE_N, FATOR_RISC, CLASSI_FIN, EVOLUCAO) |>
rename(cod_mun = CO_MUN_NOT,
uf = SG_UF,
data = DT_NOTIFIC,
sexo = CS_SEXO,
idade = NU_IDADE_N,
comorbidade = FATOR_RISC,
srag = CLASSI_FIN,
obito = EVOLUCAO)df_srag = df_srag |>
mutate(
data =
stringr::str_replace_all(data, '/', '-') |>
lubridate::dmy(),
cod_uf = cod_mun |>
as.character() |>
stringr::str_sub(1, 2) |>
as.numeric()
) |>
relocate(cod_uf, .before = uf) |>
select(-uf)
df_srag |>
mutate(
comorbidade =
case_when(comorbidade == 1 ~ 1,
comorbidade == 2 ~ 0 )) |>
mutate(influenza = NA,
covid = NA,
outros = NA) |>
mutate(
influenza =
case_when(srag == 1 ~ 1,
.default = 0),
covid =
case_when(srag == 5 ~ 1,
.default = 0),
outros =
case_when(srag == 2 | srag == 3 | srag == 4 ~ 1,
.default = 0))# A tibble: 226,763 x 11
cod_mun cod_uf data sexo idade comorbidade srag obito influenza covid
<dbl> <dbl> <date> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 310150 31 2023-01-18 M 75 1 4 1 0 0
2 330630 33 2023-01-04 M 67 1 4 1 0 0
3 352530 35 2023-01-08 F 72 1 5 1 0 1
4 350010 35 2023-01-23 F 46 0 4 1 0 0
5 350950 35 2023-02-05 M 71 0 4 1 0 0
6 330330 33 2023-02-06 F 7 0 4 1 0 0
7 292740 29 2023-02-04 F 1 1 4 2 0 0
8 410180 41 2023-02-22 F 4 0 2 1 0 0
9 270430 27 2023-02-13 M 8 1 4 1 0 0
10 411390 41 2023-01-05 F 86 0 4 1 0 0
# i 226,753 more rows
# i 1 more variable: outros <dbl>#
# pivot_longer(cols = c(influenza, covid, outros),
# names_to = 'tipo_srag',
# values_to = 'freq')